M2 delegó en una IA el 40% de sus textos de marketing sin perder calidad

La compañía M2 ha mostrado un caso práctico en el que la IA no sustituye a la redacción, sino que asume una parte significativa del contenido rutinario. Dentro de la empresa ya se ha confiado a la IA cerca del 40% de los textos de producto y marketing. Aun así, el esquema final no consiste en pulsar un solo botón.

La calidad se apoya en reglas estrictas, prompts precisos y la participación obligatoria de personas en las tareas complejas y creativas. El motivo para crear la redacción con IA fue el aumento del volumen de contenido. El equipo editorial tenía que cubrir más tareas para marketing, ventas y soporte sin inflar la plantilla y sin externalizarlo todo.

Al principio, M2 barajó las opciones habituales: contratar a otro redactor, externalizar parte del trabajo o desarrollar una herramienta interna de IA. Eligió la tercera vía por ser la más rápida y económica, pero fijó desde el principio una condición: el modelo debía escribir con el tono de la marca y respetar la política editorial interna al menos tan bien como un redactor junior. El problema clave no fue elegir el modelo, sino cómo explicarle los estándares de la empresa.

M2 no entrenó un modelo propio con su corpus de textos, sino que optó por un sistema de prompts. En la primera fase, el equipo reunió en un único gran prompt de sistema las principales reglas de Tone of Voice, las restricciones sintácticas, las palabras prohibidas y los requisitos para los nombres de producto. Este enfoque zero-shot no funcionó: el modelo perdía el foco, escribía de forma demasiado insípida y a veces mezclaba estilos.

Después, la redacción pasó a un esquema few-shot, en el que el prompt incluía, junto a las instrucciones, ejemplos buenos y malos de textos reales. Esto fue lo que dio resultados predecibles y permitió crear plantillas específicas para noticias, redes sociales y otros formatos. A nivel técnico, la redacción con IA se basa en la plataforma corporativa Videocat, con componentes de llama.

cpp y Open WebUI, y el modelo que se usa en el caso descrito es Google Gemma 3. Pero en esta historia importa menos el stack concreto que el principio de arquitectura: la herramienta sigue siendo flexible para poder conectar y probar otros modelos según la tarea. Este enfoque elimina la dependencia de un único proveedor y permite equilibrar calidad, velocidad y coste de generación.

Como resultado, la IA de M2 escribe borradores y adapta textos a cada canal, y además ayuda a generar ideas, extrae información de imágenes y explica su propia lógica. Esto último es especialmente importante para los empleados que no pertenecen a la redacción: cuando el modelo argumenta su elección de palabras y estructura, funciona a la vez como asistente y como herramienta de formación. Al mismo tiempo, la empresa evita deliberadamente convertir la IA en un sustituto completo del editor.

M2 delimita con claridad las responsabilidades. Las tareas rutinarias, repetitivas y masivas pueden delegarse casi por completo en la máquina, pero los textos de fondo, los conceptos creativos, los eslóganes y los contenidos que exigen precisión emocional siguen en manos de personas. Este equilibrio ayuda a superar el miedo a la página en blanco, acelerar la preparación de borradores y descargar a la redacción sin perder la humanidad del texto.

Un apartado aparte es la seguridad: la herramienta de IA funciona en un entorno interno, y los empleados reciben formación sobre qué datos pueden cargarse en el sistema y cuáles no. Es un detalle importante para cualquier empresa que quiera usar modelos generativos en procesos reales y no en un entorno de pruebas. La conclusión del caso de M2 es bastante pragmática y, por eso, útil: la IA ya puede asumir una parte sustancial de la rutina de contenidos, pero no es capaz por sí sola de crear una redacción sólida.

Primero, la empresa necesita sus propios estándares, un Tone of Voice claro y editores de carne y hueso que distingan un buen texto de uno formalmente correcto. Solo entonces la IA deja de ser una amenaza para el empleo y se convierte en un amplificador del equipo. Para el mercado es una señal más: la demanda no se desplazará de los autores a las máquinas, sino de los perfiles meramente ejecutores a especialistas capaces de diseñar procesos, ajustar prompts y llevar un borrador generado por la máquina al nivel de la marca.